vivo高启强

本小节主要对前面3个小节的概念进行汇总，将机器学习的直觉固化转变为可靠的概念框架。 这一步非常重要， 会影响你后面进行tensorflow开发时的固定调试技巧 过拟合 与 欠拟合 随着训练的进行，模型

影评分类：二分类问题示例 加载 imdb 数据集 可以看下运行效果 准备数据 这里会碰到一个问题，因为每个评论的 单词数量都不一样，但是神经网络需要处理的是 大小相同的数据批量 ，你需要将 列表转换为

张量的可变和不可变 实现一个 线性分类器 可以看这个b站视频了解基本概念 对于我们这个例子来说，其实就是 随机生成2个点云。 我们可以先准备一组数据 剩下的就是实现分类器了 然后验证一下效果： 可以看

简单的入门例子 这个例子就是取一些数据集， 很简单，热个身，稍微熟悉一下 写法即可 熟悉一下 深度学习的基本写法 这个例子就是简单的 根据图像，来预测 图像内容是 数字几 也是熟悉基本概念，不需要弄懂

为什么要扩展Glide框架 前面的文章介绍过 glide 在加载gif的时候 一些天生缺陷， 以及不支持低android版本的动图webp播放， 当然为了简单你可以直接修改glide 源代码 然后直接

Gif 加载对比 用 android-gif-drawable 来加载gif 和glide 对比一下 注意这里的GifDrawable 和 glide里面的不是一个 加载gif 时的性能对比可以看出来

识别gif 可以先粗看一下调用链，这个对我们分析问题很有帮助 可以看出来 是在DecodePath中的 decodeResourceWithList 方法来做 gif识别的 这里要注意的是 decod

抖音优化的思路 抖音原文 我们着重看 这一部分 虽然没有代码，但是文字描述的也够清楚了，我们可以总结归纳一下，抖音的优化思路 ，然后就可以尝试去实现它了 1.acitivity 跳转的 生命周期 消息

Dokit 卡顿检测原理 原理非常简单，主要还是利用 Printer 这个接口 判断 两次println 的执行间隔时间 ，来判断是否发生了卡顿 这个检测的方案很简单， 但是光检测没用呀，还必须要检测